Agile Lab: il paradigma Data Mesh è organizzativo, non tecnologico

Agile Lab: il paradigma Data Mesh è organizzativo, non tecnologico

Ugo Ciracì, Business Unit Lead di Agile Lab, approfondisce il concetto di Data Mesh, un paradigma organizzativo per la gestione dei big data. Un approccio mirato ad abbattere i silos e portare agilità

di pubblicata il , alle 18:01 nel canale Innovazione
Agile LabAs a serviceData ManagementGestione processi
 

Agile Lab è un’azienda nata nel 2014, quando in maniera un po’ pionieristica i fondatori decisero di intraprendere questa avventura facendo leva sulle loro conoscenze in abito di piattaforme e di big data. Una scommessa che ha dato i suoi frutti, se pensiamo che Agile Lab conta oggi circa 130 dipendenti e ha attirato le attenzioni di un’azienda del calibro di Poste Italiane, che ne ha acquisito il 70% per 18 milioni di euro nell’ottobre 2022. La sua specializzazione è quella di fare consulenza per altre imprese, aiutandole a estrarre maggior valore dai dati in loro possesso, facendo leva soprattutto sul concetto di Data Mesh.

Agile lab è un collettivo di professionisti in ambito data engineering”, spiega Ugo Ciracì Business Unit Lead di Agile Lab. “Siamo molto incentrati sulle persone, sulla loro formazione e crescita professionale, in modo che abbiano e ricevano fiducia e allineamento per lavorare autonomamente e con qualità presso i nostri clienti”.

Per le aziende “è difficile stabilire il vero ROI [Return on Investment) sul dato, ma anche percepire il vantaggio competitivo che deriva da questo investimento”. Per questo motivo, le figure formate da Agile Lab sono ingegneri che lavorano presso i clienti e cercano di capire “come si muove l’organizzazione attorno al dato, sia dal punto di vista tecnologico sia da quello culturale. Trascurare l’aspetto organizzativo vuol dire mettere a rischio un intero progetto di trasformazione digitale”.

Comprendere come sono organizzate le informazioni, quali silos informativi sono presenti e come si muove il cliente nei confronti del dato è secondo Agile Lab fondamentale per poter dare un supporto concreto, ed è un aspetto non meno importante di quello tecnologico. “Architetture basate su data lake o data warehouse sono diventate poco scalabili nel momento in cui l’azienda è cresciuta o il mercato si è diversificato, perché non erano più sostenibili dal punto di vista organizzativo”. Ecco perché uno dei modelli su quali spinge Agile Lab (ma non l’unico) è quello del Data Mesh, un approccio socio-tecnico per decentralizzare la proprietà dei dati ai domini aziendali.

Alla scoperta del Data Mesh

Quando affrontiamo un’iniziativa Data Mesh lo facciamo partendo dall’aspetto organizzativo, perché la tecnologia da sola non può risolvere la complessità di un’azienda che vuole scalare il modo in cui gestisce i dati”. Ciracì fa un esempio concreto, quello di un’ipotetica grande azienda operante nel mondo delle utility, una realtà molto articolata, che opera da decenni e che ha stratificato nel tempo tecnologie, piattaforme, iniziative di data lake e data warehouse. Una situazione complessa, ma per mettere ordine la tecnologia non basta. “Queste aziende di tecnologia ne hanno a bizzeffe”, sottolinea Ciracì. Il problema è che poi ogni volta che è necessario estrarne il valore, è necessario coinvolgere svariate figure tecniche come data scientist e data engineer che li andranno a esportare, analizzare e passare già elaborati a chi ne ha bisogno in azienda. Creando spesso un collo di bottiglia.

Data Mesh, invece, “è un paradigma non tecnologico, ma socio-tecnico”: i dati sono infatti decentralizzati, così da permettere ai vari reparti di potervi accedere più rapidamente, senza dover scomodare ingegneri grazie all’automazione spinta e a un approccio self-service. Nel data mesh, il dato viene trattato a tutti gli effetti come un prodotto, e ogni reparto che utilizza i dati ne diviene a tutti gli effetti responsabile. Un approccio che porta i seguenti vantaggi: assicura elevata qualità e standardizzazione dell’accesso ai dati, grande agilità, velocizzando il time to market dei prodotti e consente di gestire meglio la complessità quando la mole di informazioni è gigantesca.

Questi i pilastri su cui si basa il concetto di Data Mesh:

  • Decentralized domain oriented ownership: chi genera il dato è responsabile anche della relativa parte analitica. Un aspetto fondamentale, più organizzativo che tecnologico;
  • Data as a product: gestire il dato come un prodotto. Chi maneggia le informazioni deve essere responsabile della provenienza, della qualità, del suo utilizzo. Anche in questo caso è più un concetto organizzativo che di tecnologia, dato che non è la piattaforma dati a garantire la responsabilità sul dato, ma l’approccio organizzativo. Ciracì spiega infatti che Agile Lab non tende a proporre ulteriori piattaforme dati, ma di far leva su quelle già implementate. Per ridurre tempi e costi, ma anche per evitare di aumentare la complessità, limitandosi a creare nuovi silos;   
  • Costruire una piattaforma self service, utilizzabile tramite interfacce standard, in modo che chiunque in azienda possa utilizzare, avendone i diritti, i dati generati da ogni compartimento.
  • Federated computational governance in cui domini, team di piattaforma data mesh e SMEs possano decidere evolutive, architetturali, infrastrutturali, organizzative, standard e qualsiasi altro aspetto che abbia impatto sulla Data Mesh con l’obbiettivo di automatizzare (per quanto possibile) l’applicazione di queste regole.

Cosa fa Agile Lab

Ugo Ciraci_Agile LabAgile Lab aiuta i suoi clienti a comprendere come organizzare le informazioni e renderle disponibili in maniera semplice, sicura ed efficace a tutte le figure in azienda che li devono trattare. “La maggior parte dell’attività che svolgiamo è fatta da disegno e implementazione. Abbiamo una forte competenza sul parco tecnologico open source relativo ai big data; siamo esperti di sistemi come Cloudera e Databricks e stringiamo partnership insieme a questi vendor e ai cloud provider (AWS, Azure, Google) per avvicinare la nostra conoscenza alla modernità, ma non privilegiamo l’aspetto tecnologico. Cerchiamo di comprendere il problema del nostro cliente e poi proponiamo una soluzione. Che non è mai solo tecnologica”.

Ciracì sottolinea che nella visione di Agile Lab, proporre una piattaforma dati come soluzione a un problema di Data Mesh non è un buon servizio. “Quando andiamo da un cliente cerchiamo di capire il suo portfolio tecnologico, la sua cultura tecnica e soprattutto le esigenze di business. Una volta fatte queste analisi possiamo andare a costruire o proporre anche soluzioni tecnologiche. Per politica aziendale non scegliamo mai tecnologie per promuovere partnership”, afferma Ciracì, sottolineando l’approccio agnostico di Agile Lab verso chi fornisce tecnologie. Il business dell’azienda è nella consulenza specializzata in ambito data engineering, non sulla vendita fine a sé stessa di soluzioni tecnologiche di terze parti.

Questo non significa che l’azienda non abbia stretto collaborazioni coi fornitori o non abbia un’offerta di soluzioni proprietarie, ma che propone una determinata tecnologia ai clienti solo nel caso in cui la loro “sia quella giusta nel caso giusto. Non c’è una tecnologia migliore in assoluto: dipende dai casi d’uso del cliente”.  La filosofia di Agile Lab è in ogni caso quella di andare verso gli standard aperti, che semplificano la gestione e il trattamento delle informazioni e non rischiano di creare ulteriore complessità. Utilizzando standard non aperti, infatti, il rischio è quello di dover investire tempo e risorse a spostare dati da un silo all’altro anche solo per poterli trasformare ed elaborare, allontanandosi dall’agilità che è invece uno dei punti di forza del paradigma del Data Mesh. 

0 Commenti
Gli autori dei commenti, e non la redazione, sono responsabili dei contenuti da loro inseriti - info

Devi effettuare il login per poter commentare
Se non sei ancora registrato, puoi farlo attraverso questo form.
Se sei già registrato e loggato nel sito, puoi inserire il tuo commento.
Si tenga presente quanto letto nel regolamento, nel rispetto del "quieto vivere".

La discussione è consultabile anche qui, sul forum.
 
^